تکنیک‌های پیشرفته پرامپت نویسی: Few-shot، Chain of Thought و اعتبار منفی

✍️ تکنیک‌های پیشرفته پرامپت نویسی: Few-shot، Chain of Thought و اعتبار منفی

در بخش اول یاد گرفتید که یک پرامپت حرفه‌ای از چهار جزء اصلی (نقش، تکلیف، قالب خروجی، قوانین) تشکیل شده است و قانون طلایی «خاص باش، کلی ننویس» را تمرین کردید. حالا در بخش دوم، قدم را فراتر می‌گذاریم و سه تکنیک پیشرفته را معرفی می‌کنیم که توسط مهندسان پرامپت در شرکت‌هایی مانند OpenAI، Google و Anthropic استفاده می‌شود.

تکنیک اول: Few-shot Learning (یادگیری با مثال)

در این تکنیک، شما چند نمونه از خروجی مطلوب را در پرامپت خود قرار می‌دهید تا هوش مصنوعی الگوی مورد نظر شما را درک کند. این روش وقتی بسیار مؤثر است که خروجی شما ساختار خاصی دارد یا می‌خواهید سبک نگارش مشخصی تکرار شود.

ساختار Few-shot

[نقش] + [تکلیف] + [چند مثال] + [درخواست اصلی]

مثال:
تو یک نویسنده طنز هستی. جمله‌های زیر را به سبک طنز بازنویسی کن.

مثال ۱:
ورودی: «هوا بارانی است»
خروجی: «آسمان تصمیم گرفته دوش بگیرد و ما هم سهواً زیر آن ایستاده‌ایم»

مثال ۲:
ورودی: «دیر به جلسه رسیدم»
خروجی: «تقصیر چراغ قرمز نبود، تقصیر آن چراغ سبز دروغینی بود که در ذهنم روشن شد»

حالا این جمله را بازنویسی کن: «نت‌های امتحانم را گرفتم، خوب نبود»

مقایسه بدون Few-shot و با Few-shot

تکنیک دوم: Chain of Thought (زنجیره تفکر)

این تکنیک که ابتدا توسط Google Research معرفی شد، از هوش مصنوعی می‌خواهد مراحل استدلال خود را گام به گام بنویسد. برای مسائل ریاضی، منطقی، تحلیل حقوقی یا هر جایی که نیاز به استدلال چندمرحله‌ای است، این تکنیک معجزه می‌کند.

ساختار Chain of Thought

[سوال] + «گام به گام فکر کن» + [درخواست برای نوشتن مراحل]

مثال:
مسئله: اگر ۳ پیراهن و ۲ شلوار داشته باشم، چند ترکیب متفاوت می‌توانم بپوشم؟
لطفاً گام به گام فکر کن و هر مرحله را بنویس.

خروجی مطلوب:
مرحله ۱: برای هر پیراهن، می‌توانم هر یک از ۲ شلوار را انتخاب کنم.
مرحله ۲: تعداد ترکیب‌ها = تعداد پیراهن‌ها × تعداد شلوارها = ۳ × ۲
مرحله ۳: نتیجه = ۶ ترکیب متفاوت

مثال واقعی: تحلیل قرارداد حقوقی

پرامپت:
تو یک وکیل پایه یک هستی. متن قرارداد زیر را از نظر بندهای نامشخص تحلیل کن.
گام به گام فکر کن:
۱. ابتدا بندهای دارای عبارت‌های مبهم مثل «حداکثر تلاش» یا «منطقاً» را شناسایی کن.
۲. برای هر بند، ریسک احتمالی برای موکل را بنویس.
۳. پیشنهاد بازنویسی آن بند ارائه بده.

متن قرارداد:
«فروشنده حداکثر تلاش خود را برای تحویل کالا تا پایان دی ماه به کار می‌گیرد»

تکنیک سوم: Negative Prompting (اعتبار منفی)

در این تکنیک، شما مشخص می‌کنید چه چیزهایی را نمی‌خواهید. این روش به ویژه برای تولید محتوا، کدنویسی و طراحی خروجی خلاقانه بسیار مؤثر است زیرا هوش مصنوعی را از الگوهای تکراری یا نادرست باز می‌دارد.

ساختار اعتبار منفی

[تکلیف مثبت] + «از موارد زیر اجتناب کن:» + [لیست موارد ممنوع]

مثال:
یک توضیح کوتاه برای محصول «خودپرداز هوشمند» بنویس.
از موارد زیر اجتناب کن:
- کلمات تکراری «انقلابی» و «منحصر به فرد»
- جملات کلیشه‌ای مانند «آینده از آن شماست»
- استفاده از اعداد بزرگ بی‌مدرک مثل «۱۰۰ برابر سریعتر»
- لحن اغراق‌آمیز تبلیغاتی

جدول مقایسه تأثیر اعتبار منفی

ترکیب تکنیک‌ها (Powerful Combination)

نیروی واقعی زمانی ظاهر می‌شود که این تکنیک‌ها را با هم ترکیب کنید. در زیر یک پرامپت فوق حرفه‌ای را می‌بینید که از هر سه تکنیک استفاده کرده است:

پرامپت ترکیبی:

تو یک تحلیلگر داده مالی هستی.

[Few-shot - دو مثال]
مثال ۱:
داده: فروش دی ۱۴۰۲ = ۱۲۰ میلیون، دی ۱۴۰۱ = ۱۰۰ میلیون
تحلیل: رشد ۲۰٪ نسبت به سال قبل. محرک اصلی: تخفیف‌های نوروزی زودهنگام.

مثال ۲:
داده: فروش بهمن ۱۴۰۲ = ۹۰ میلیون، بهمن ۱۴۰۱ = ۱۱۰ میلیون
تحلیل: کاهش ۱۸٪. محرک اصلی: تعطیلی‌های ناگهانی و رقابت شدید.

[Chain of Thought - گام به گام]
حالا داده زیر را تحلیل کن. گام به گام فکر کن:
گام ۱: درصد تغییر را محاسبه کن.
گام ۲: روند ۳ ماه گذشته را بررسی کن.
گام ۳: حداقل ۲ عامل احتمالی برای این تغییر نام ببر.
گام ۴: یک توصیه عملی بنویس.

داده: فروش اسفند ۱۴۰۲ = ۱۵۰ میلیون، اسفند ۱۴۰۱ = ۱۳۰ میلیون

[اعتبار منفی]
از موارد زیر اجتناب کن:
- عبارت «همانطور که می‌دانید»
- اعداد بدون منبع
- پیش‌بینی‌های دورتر از ۳ ماه آینده
- لحن خوش‌بینانه غیرواقعی

مقایسه کیفیت خروجی در تکنیک‌های مختلف

اشتباهات رایج در تکنیک‌های پیشرفته

• در Few-shot: دادن مثال‌های خیلی شبیه به هم – مثال‌ها باید تنوع کافی داشته باشند تا الگوی درست یاد گرفته شود.
• در Chain of Thought: گفتن «گام به گام فکر کن» بدون درخواست برای نوشتن مراحل – حتماً از مدل بخواهید مراحل را بنویسد، نه اینکه فقط در پردازش داخلی خود استفاده کند.
• در اعتبار منفی: ذکر موارد خیلی زیاد – حداکثر ۵-۷ مورد منفی کافی است، بیشتر از آن مدل را سردرگم می‌کند.
• در ترکیب: قاطی کردن ترتیب اجزا – ترتیب استاندارد: نقش → Few-shot (اگر هست) → Chain of Thought → تکلیف اصلی → اعتبار منفی.

تمرین پیشرفته

پرامپت زیر را با استفاده از هر سه تکنیک بازنویسی کنید:

پرامپت اولیه: «این مسئله ریاضی را حل کن: اگر ۵ کارگر یک دیوار را در ۱۲ روز می‌سازند، ۳ کارگر چند روز طول می‌کشد؟»

پیشنهاد پاسخ (پاسخ خود را با این مقایسه کنید):

تو یک معلم ریاضی هستم.

[Few-shot]
مثال: ۲ کارگر دیوار را در ۸ روز → ۴ کارگر در ۴ روز (رابطه عکس دارد)

[Chain of Thought]
گام به گام فکر کن:
مرحله ۱: نوع رابطه را تعیین کن (عکس یا مستقیم)
مرحله ۲: کار کل را محاسبه کن (کارگر × روز)
مرحله ۳: کار کل را بر تعداد کارگر جدید تقسیم کن
مرحله ۴: نتیجه را بنویس

[تکلیف]
مسئله: ۵ کارگر در ۱۲ روز → ۳ کارگر چند روز؟

[اعتبار منفی]
از پاسخ‌های یک‌خطی بدون توضیح اجتناب کن. از کلمه «به‌طور متوسط» استفاده نکن.

نکته نهایی: کی از کدام تکنیک استفاده کنیم؟

• برای فرمت ثابت و تکراری: Few-shot (مثل تولید گزارش روزانه، ایمیل‌های اداری)
• برای مسائل استدلالی و چندمرحله‌ای: Chain of Thought (مثل ریاضی، برنامه‌نویسی، تحلیل قرارداد)
• برای خلاص شدن از کلیشه‌ها و الگوهای تکراری: اعتبار منفی (مثل تولید محتوای خلاقانه، تبلیغات)
• برای پروژه‌های حرفه‌ای و حساس: ترکیب هر سه تکنیک

جمع‌بندی بخش دوم

در این مقاله با سه تکنیک پیشرفته پرامپت‌نویسی آشنا شدید: Few-shot learning برای یادگیری با مثال، Chain of Thought برای استدلال گام به گام، و Negative prompting برای حذف خروجی‌های نامطلوب. همچنین یاد گرفتید چگونه این تکنیک‌ها را با هم ترکیب کنید تا خروجی‌هایی با کیفیت حرفه‌ای دریافت کنید. در بخش سوم و پایانی، درباره پرامپت‌های چندمرحله‌ای (Chaining)، تکنیک Temperature و Top-p، و روش‌های ارزیابی کیفیت پرامپت صحبت خواهیم کرد. برای دریافت بخش سوم، کافیست بگویید «بخش سوم را بفرست».